V tom, co se očekává, že se stane standardní praxí, je umělá inteligence využívána k detekci příznaků rakoviny s větší přesností než školení lidských profesionálů. Tento špičkový model AI se pyšní téměř 100% úspěšností a signalizuje významný pokrok v diagnostice rakoviny. Mezinárodní spolupráce vědců, včetně výzkumníků z Australské univerzity Charlese Darwina (CDU), vytvořila inovativní model AI nazvaný ECgMPL. Tento model dokáže analyzovat mikroskopické snímky buněk a tkání k identifikaci endometriální rakoviny – jednoho z nejrozšířenějších typů reprodukčních nádorů – s ohromující přesností 99, 26 %. Výzkumníci také uvádějí, že může být přizpůsoben pro detekci široké škály nemocí, včetně kolorektálního a orálního rakoviny. „Model ECgMLP překonává stávající metody dosažením přesnosti 99, 26 procenta, což přesahuje výkonnost metod transferového učení a vlastních modelů zkoumaných v této studii, přičemž si zachovává výpočetní efektivitu, “ uvedl Dr. Asif Karim, spoluautor z CDU. „Optimalizován skrze ablativní studie, mechanismy samo-pozornosti a efektivní trénink, model ECgMLP vykazuje silnou generalizaci napříč různými historicko-patologickými datovými soubory, což z něj činí spolehlivý a klinicky aplikovatelný nástroj pro diagnostiku endometriální rakoviny. “ Jednoduše řečeno, tento dobře zavedený model dokáže analyzovat mikroskopické skeny – známé jako histopatologické snímky – a zlepšit jejich kvalitu, aby detekoval rané fáze rakoviny. Zaměřuje se na konkrétní oblasti skenů, aby identifikoval problematické růsty, které by nemusely být viditelné lidským okem.

Současné diagnostiky řízené lidmi vykazují přesnost přibližně 78, 91 % až 80, 93 %. Ačkoli je endometriální rakovina léčitelná a nabízí příznivé pětileté míry přežití, když je detekována včas, její prognóza se značně zhoršuje, jakmile se rozšíří mimo dělohu, což zdůrazňuje význam včasné diagnostiky pro záchranu životů. V současnosti se s tímto onemocněním potýká více než 600 000 Američanů. I když se nemusí přímo dotýkat poloviny populace, výzkumníci zdůrazňují, že schopnosti modelu ECgMLP přesahují to, na čem byl konkrétně vyškolen. „Stejná metodologie může urychlit včasnou detekci a diagnostiku dalších onemocnění, což povede k zlepšení výsledků pacientů, “ poznamenala spoluautorka Niusha Shafiabady, docentka na ACU. „Model jsme hodnotili napříč různými datovými soubory historicko-patologických snímků, přičemž jsme dosáhli 98, 57% přesnosti v diagnostice kolorektální rakoviny, 98, 20% v rakovině prsu a 97, 34% v orální rakovině. “ Tento nástroj AI není určen k nahrazení zdravotnických profesionálů, ale spíše k asistenci specialistům na rakovinu při přesné detekci onemocnění a sledování účinnosti léčby. Navíc tento model představuje mnohem rychlejší, přístupnější a nákladově efektivnější prostředek pro diagnostiku rakoviny. „Základní model AI vyvinutý v tomto výzkumu by mohl sloužit jako jádro softwarového systému navrženého k pomoci lékařům při rozhodování o diagnostice rakoviny, “ dodala Shafiabady. „Včasná a přesná detekce endometriální rakoviny je zásadní pro účinnou léčbu a řízení, “ zdůraznili výzkumníci. „Klasifikace endometriální rakoviny prostřednictvím historicko-patologických snímků byla efektivně provedena s vylepšeným výkonem, vyšší přesností a zlepšeným časem zpracování, za využití algoritmů hlubokého učení. “ Studie byla publikována v časopise Computer Methods and Programs in Biomedicine Update.